Redis內存數據庫的基本語法

Redis:

　　- nosql數據庫，非關係型數據庫

　　- 支持5大數據類型 (字符串String，列表list、字典hash，集合set，zset)

　　　　- 與之類似的有memcache，但memcache只支持string類型

　　- 單進程單線程，好處在於不用考慮併發

 

Redis經常使用操做

 

 from redis import Redis# from redis import ConnectionPool

conn = Redis()  # 實例化對象，建立鏈接對象

# conn.set('name','dxx')  # 單個插入

# for i in range(1,100):
#     conn.set("the %s key"%i, 'the %s value'%i,ex=i)  # 循環插入


# ret = conn.get("the 80 key")  # 取不到是爲None  沒法指定默認值
#
# print(ret)

# conn.set('name','希希')  # 單個插入 中文會自動以utf8編碼轉碼爲bytes類型

#
# for i in range(1,100):
#     conn.set("%skey"%i,'%svalue'%i)

from app01.Redis_POOL import POOL   # 鏈接池作成單例
conn = Redis(connection_pool=POOL)



 print(conn.get("name").decode("utf8"))

# 字符串操做
 conn.set('age',19,ex=10,xx=True)


 conn.setex('hobby',10,'basketball') # (key,time, value)

# 批量添加,傳字典
conn.mset({'k1':'v1','k2':'v2'})

# 批量取值
 print([ res.decode("utf8") for res in conn.mget(['k1', 'k2'])])

# 追加
 conn.setrange('k1',1,'pp')  # 從索引1的位置日後覆蓋

 conn.set('k3','10')
#
 conn.setrange('k3',2,'10')  # 從索引2的位置日後覆蓋
# #
 print(conn.get('k3'))


# 重點 （網站訪問量）

 conn.incr('ask_total',amount=1)  # 遞增   可指定頻率爲負數，表示遞減
 conn.decr('ask_total')   # 與上相反


 conn.append('ask_total',22)   # 向原有值後拼接


#hash操做

 conn.hset('hax1','k1','v1')  # 存
 print(conn.hget("hax1", 'k1'))  # 取


#批量存取
 conn.hmset('hax1',{'k2':'v2','k3':'v3'})
 print(conn.hmget('hax1', ['k1', 'k2',]))
 print(conn.hmget('hax1', 'k1', 'k2'))  # 內部作判斷是否列表


 print(conn.hgetall('hax1'))   # {b'k1': b'v1', b'k2': b'v2', b'k3': b'v3'}
 print(conn.hgetall('hax1')[b"k1"])   # b'v1'


 print(conn.hlen('hax1'))  # 3   列表/數組長度


 conn.hdel('hax1','k1')    # 哈希刪除
 print(conn.hget('hax1','k1'))  # 再查詢

 conn.hset('hax1','k2',22)
 conn.hincrby('hax1','k2',amount=-10)  # 哈希遞增 或者遞減
 print(conn.hget('hax1','k2'))

# 重點
 hscan
 hscan_iter

 for i in range(1,1000):
     conn.hset('hax2','%skey'%i,'%svalue'%i)

# match 過濾條件 模糊匹配，只有？和*兩種模式，？表示匹配一個，*表示匹配多個count 取出數據個數 

print(conn.hscan('hax2',10,match='350value',count=20)) # (26, {}) 

print(conn.hscan('hax2',10,match='350',count=20)) # (26, {}) 

print(conn.hscan('hax2',10,match='350key',count=20)) # (26, {b'350key': b'350value'}) #  
conn.hscan_iter('hax2',count=10) genrator = conn.hscan_iter('hax2',count=10) 

# 產生迭代器，迭代器能產生的數據不因count值而變化， 
# count的做用是限制一次向redis要多少數據，用完了再要 

print(genrator) # 打印的生成器內存地址 

print('生成器長度：',len(list(genrator))) # 會取完hax2中全部的數據 

for i in genrator: 
　　print(i) 

# 因爲上方len(list(genrator))已經將生成器迭代完，故迭代器已經無元素可迭代，無值打印 # redis列表操做  
conn.lpush('h1','11') # 列表左追加  
conn.rpush('h1','10','9') # 列表右追加 

print(conn.linsert('h1','AFTER','11',99)) # 在元素11後面插入99 

print(conn.linsert('h1','AFTER','11','99')) # 在元素11前面插入99 #若是列表中有多個'11',那麼插在第一個'11'的前面或者後面 

print(conn.llen('h1')) 

conn.lset('h1',1,'1111') # 將索引爲1的元素用'1111'替換 

conn.lrem('h1',-5,11) 
#lrem(name,count,value) 
# count的正負表示從頭開始仍是從尾巴開始刪除和value相同的值，0表示刪除全部相同的 
#count的數字表示刪除幾個 

print(conn.lindex('h1', 3)) # 取列表索引爲3的值 

print(conn.lrange('h1', 1, 5)) #切片取值 取列表索引1-5的元素，閉區間 

print(conn.lrange('h1',0,conn.llen('h1'))) # 取列表全部元素 


#blpop 重點

print(conn.lpop('h1')) 

print(conn.lpop('h1')) # 從左刪除一個元素 

print(conn.rpop('h1')) # 從右刪除一個元素 

while True: 
　　print(conn.blpop('h1')) # 取完了會在這裏阻塞，等待有下一個值被添加，你會不會想到隊列呢？ 
　　　　　　　　　　　　　　　　# 是的，它能夠實現隊列的效果，能夠實現分佈式
　　　　　　　　　　　　　　　　# 能夠同時開多個客戶端去blpop，也能夠同時開多個客戶端去新增 

# 自定義列表生成器
　　- 若是列表很是龐大，一次性取出可能會撐爆內存，所以須要自定義列表生成器進行迭代取值

def scan_list(name,count=10):
     index = 0
     while True:
         data_list = conn.lrange(name,index,count)
         if not data_list:
             return
         index+= count
         count+=index
         for item in data_list:
             yield item

 sa_list = scan_list('h1',5)
 for i in sa_list:
     print(i)


conn.delete('name')   # 刪除

print(conn.exists('hax2'))   # 返回0或1


print(conn.keys('k?'))   # 模糊匹配，只有？和*兩種模式，？表示匹配一個，*表示匹配多個
print(conn.keys('k*'))


 conn.rename('k1','kk')  # 重命名







# 利用管道實現事務操做，redis沒有自身事務操做，需藉助管道實現
pipe = conn.pipeline(transaction=True)   
pipe.multi()
pipe.set('name','egon')
pipe.lpush('h1','aa')
pipe.execute()

 

應用場景：

 

1、利用原生redis實現網站流量統計

因爲是全局統計，Django中咱們須要自定義中間件來實現

from redis import Redis
from django.middleware.common import MiddlewareMixin

Conn = Redis()
class CountVisitorMiddle(MiddlewareMixin):
    def process_request(self,request):
        num = Conn.hget('count_visitor','number')
        if num:
            Conn.hset('count_visitor','number',int(num.decode("utf8"))+1)
        else:
            Conn.hset('count_visitor', 'number', 1)

配置文件中配置：

MIDDLEWARE = [
    .......其餘中間件.........
    'app01.CountCustomerMiddleWare.CountVisitorMiddle',
]

視圖函數中使用：

from django.shortcuts import render

# Create your views here.

from app01.redis_hander import Conn
def index(request):
    visitor_number = Conn.hget('count_visitor','number').decode('utf8')
    return render(request,"index.html",locals())

 

效果:

固然，django有更好的封裝來讓咱們使用基於redis的緩存實現

 

2、利用Django基於redis的緩存實現網站流量統計

 配置文件中配置緩存信息：

CACHES = {
    "default": {
        "BACKEND": "django_redis.cache.RedisCache",   # cache存儲引擎爲redis數據庫
        "LOCATION": "redis://127.0.0.1:6379",         # redis服務器地址
        "OPTIONS": {
            "CLIENT_CLASS": "django_redis.client.DefaultClient",
            "CONNECTION_POOL_KWARGS": {"max_connections": 100}    # redis數據庫鏈接池大小限制
            # "PASSWORD": "123",
        }
    }
}